UTF-8 字符处理在 Web 开发中的应用

最新推荐文章于 2023-08-19 16:57:06 发布
最新推荐文章于 2023-08-19 16:57:06 发布
阅读量782 收藏
点赞数
分类专栏： Web 文章标签： web 浏览器 servlet 语言 jsp 服务器
Web 应用要适应多语言的需求。不同国家的用户应该可以输入本国语言的字符， 同时 Web 应用又应该可以根据不同的区域设置来用多国语言显示页面。 当前，不同的语言有不同的编码方式来显示对应的语言信息，例如中文可以用 GB2312 编码来显示,日文可以用 Shift-JIS 编码来显示。但 UTF-8 编码方式几乎可以包括了所有的语言字符。用 UTF-8 编码来处理 Web 应用信息的输入和显示可以使不同 Web 应用之间的信息交互标准化，并且可以简化应用的开发过程。

UTF-8 编码介绍

UTF-8 编码是一种被广泛应用的编码，这种编码致力于把全球的语言纳入一个统一的编码，目前已经将几种亚洲语言纳入。UTF 代表 UCS Transformation Format.

UTF-8 采用变长度字节来表示字符，理论上最多可以到 6 个字节长度。UTF-8 编码兼容了 ASC II(0-127)， 也就是说 UTF-8 对于 ASC II 字符的编码是和 ASC II 一样的。对于超过一个字节长度的字符，才用以下编码规范：

左边第一个字节1的个数表示这个字符编码字节的位数，例如两位字节字符编码样式为为：110xxxxx 10xxxxxx； 三位字节字符的编码样式为：1110xxxx 10xxxxxx 10xxxxxx.；以此类推，六位字节字符的编码样式为：1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx。 xxx 的值由字符编码的二进制表示的位填入。只用最短的那个足够表达一个字符编码的多字节串。例如：

Unicode 字符： 00 A9（版权符号） = 1010 1001， UTF-8 编码为：11000010 10101001 = 0x C2 0xA9; 字符 22 60 (不等于符号) = 0010 0010 0110 0000， UTF-8 编码为：11100010 10001001 10100000 = 0xE2 0x89 0xA0





回页首


HTTP 通讯协议

HTTP 请求

在 HTTP 通讯中，在客户端发出的请求报文中，首先设置的是方法。方法是用来告诉服务器客户端发起的动作请求。在请求的报文头部，客户端还可以同时发送附加的信息，比如客户端使用的浏览器和客户端可以解释的内容类型等。这些信息可以被服务器端应用程序使用以生成响应。下面是一个 HTTP 请求消息的示例：


图1. HTTP 请求消息头 
GET /intro.html HTTP/1.0
User-Agent: Mozilla/4.0 (compatible; MSIE 4.0; Windows 95)
Accept: image/gif, image/jpeg, text/*, */*
Accept-language : zh
Accept-Charset: iso-8859-1

这个请求通过 GET 方法来获取资源 /intro.htm。User-Agent 提供了客户端浏览器的信息，同时 Accept 提供了客户端可以接受的媒体类型。Accep-language 指出了客户端浏览器的首选语言， Accept-Charset 提供了浏览器的首选字符集，服务器端程序能够根据客户端的要求来生成需要的响应。用户可以通过配置浏览器来设置首选语言。以 IE 为示例如下：


图2. 浏览器首选语言设置
图2. 浏览器首选语言设置

当浏览器发出请求后，可以通过以下代码来读取客户端浏览器的首选语言和国家代码。


图3. 服务器端 Servlet 读取浏览器首选国家和语言 
protected void insertproc(HttpServletRequest req, HttpServletResponse resp)
	   throws ServletException, IOException{
	    Locale reqLocal = req.getLocale();
	    System.out.println("The country is :" + reqLocal.getCountry());
	    System.out.println("The language is :" + reqLocal.getLanguage());

服务器端的输出结果为：


图4. 服务器端 Servlet 读取浏览器首选国家和语言结果 
[06-3-10 14:56:32:516 CST] 6ce078f9 SystemOut     O The country is :CN
[06-3-10 14:56:32:516 CST] 6ce078f9 SystemOut     O The language is :zh

HTTP 响应

当服务器端收到请求后，会处理请求并发回应答。服务器通过应答消息的头部来指明诸如服务器软件和相应的内容类型等信息。以下是一个应答消息头的示例：


图5.HTTP 应答消息头 
Date: Saturday, 23-May-98 03:25:12 GMT
Server: JavaWebServer/1.1.1
MIME-version: 1.0
Content-type: text/html; charset=UTF-8
Content-length: 1029
Last-modified: Thursday, 7-May-98 12:15:35 GMT

Content-type 表明了应答消息的 MIME 类型和应答消息体的字符集，浏览器会用相应的字符集来显示消息内容。例如，在以上示例中字符集是 UTF-8，浏览器会用 UTF-8 编码来解析和现实返回的消息体。同时页面输入也会被用 UTF-8 编码。





回页首


Web 页面显示编码

可以通过以下几种方式来设置内容类型。

在 HTML 中设置页面的编码方式

如果被访问的是一个静态的 HTML 页面。可以通过以下方式来设置页面的编码方式。


图6. 设置页面编码的静态 HTML 文件 
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN">
<HTML>
<HEAD>
<META http-equiv="Content-Type" content="text/html; charset=UTF-8">
<TITLE>example.html</TITLE>
</HEAD>
<BODY>
</BODY>
</HTML>

标记"<META http-equiv="Content-Type" content="text/html; charset=UTF-8">" 将应答消息头中 Content_type 设置为"text/html; charset=UTF-8".

在 Servlet 中设置页面显示编码方式

在 Servlet 中，我们可以通过以下方式来设置应答消息的内容类型。


图7.设置页面编码的 Servlet 片断 
protected void insertproc(HttpServletRequest req, HttpServletResponse resp)
	   throws ServletException, IOException{
resp.setContentType("text/html;charset=UTF-8");

代码行"resp.setContentType("text/html;charset=UTF-8");"将应答消息头中 Content_type 设置为"text/html; charset=UTF-8"。

在 JSP 中设置页面显示编码方式

我们通过以下示例说明如何在 JSP 中设置页面的编码格式。


图8. 设置业面编码的 JSP 页面指令 
<%@ page language="java" contentType="text/html; charset=UTF-8" pageEncoding="UTF-8"%>

在这行的页面指令中的"text/html; charset=UTF-8"将应答消息中的"Content-type" 设置为"text/html; charset=UTF-8"。

"pageEncoding"只是指明了 JSP 页面本身的编码格式，指明了 JSP 是以什么编码方式保存。容器在读取文件时将起转化为内部使用的 Unicode. 当应答发送回至浏览器时，容器会将内部使用的 Unicode 转化为在 Content-type 中指定的字符集。

如果没有指定 PageEncoding，可以通过使用 Content-type 指定的字符集来解释 JSP 页面字节。

为了能正常显示 UTF-8 编码的字符，要满足以下两个条件：

1. 通知浏览器应答消息使用的字符集。

2. 配置浏览器使其能有正常显示 UTF-8 编码的字体。





回页首


Web 页面输入编码

HTML 的表单可以接受非西欧语言字符的输入。当需要创建一个需要接受非西欧语言字符输入的表单时，必须通知浏览器应该为用户输入使用哪个字符集，我们可以通过设置 page 指令的 contentType 属性来设置。

我们需要注意的是，当表单被提交后，浏览器会将表单字段值转换为指定字符集对应的字节值，然后根据 HTTP 标准 URL 编码方案对结果字节进行编码。当使用 ISO-8859-1 编码时，任何 a 到 z， A 到 Z 和 0 到 9 之外的字符都会被转化为十六进制格式的字节值，并在前面加上一个百分号（%）.例如，如果表单的字符集被设为 UTF-8, 字符"中文"被传递的编码格式为："%E4%B8%AD%E6%96%87"。为了对输入的信息进行处理，容器必须知道浏览器是使用什么字符集对输入进行编码的。问题是当今多数的浏览器并不提供这种信息，因此你必须自己提供这种信息，并告诉容器用哪个字符集对输入进行解码。

页面输入编码设定

在本文第3部分中说明了如何设置页面的显示编码，在设置页面编码的同时，也就指定了页面的输入方式。如果页面的显示被设置为UTF-8，那么用户所有的页面输入都会按照 UTF-8 编码。

页面输入输出过程编码设置

服务器端程序在读取表单输入之前要设定输入编码。我们可以看一下示例。

以下是一个用来提示用户输入的 JSP 页面：


图9. 用以界面输入的 JSP 页面 
<%@ page contentType="text/html; charset=UTF-8" pageEncoding="UTF-8"%>
<HTML>
<HEAD>
<TITLE>insertdb.jsp</TITLE>
</HEAD>
<BODY>
<P>
<FORM METHOD=POST ACTION="./InsertDbProcDs">
<TABLE>
<TR>
<TD>Name:</TD>
<TD><input type="text" name="col2" value=""></TD>
<TR>
<TD><INPUT type="submit" value="submit"></TD>
</TR>
</TR>
</TABLE>
</RORM>
</P>
</BODY>
</HTML>

页面指令元素的属性 Content-type 值为"text/html; charset=UTF-8"，这会向浏览器指明页面是按照 UTF-8 编码的，并且所有用户通过页面的输入也会按照 UTF-8 编码。被 Action 所触发的 Servlet 如下例所示。


图10. 用以按 UTF-8 读取输入并输出的 Servlet 
    protected void insertproc(HttpServletRequest req, HttpServletResponse resp)
	   throws ServletException, IOException{
	  String test1 = req.getParameter("col2");
	  PrintWriter out = resp.getWriter();
         resp.setContentType("text/html;charset=UTF-8");
	  out.println("<HTML>");
	  out.println("The input is " + test1);
	  out.println("</HTML>");

通过表单页面输入"中文"并提交表单，得到的结果为：


图11.正确显示结果的页面
图11.正确显示结果的页面

如果我们注释掉语句：resp.setContentType("text/html;charset=UTF-8")， 如下例：


图12. 用以按非 UTF-8 读取输入并输出的 Servlet 
protected void insertproc(HttpServletRequest req, HttpServletResponse resp)
	   throws ServletException, IOException{
String test1 = req.getParameter("col2");
	  PrintWriter out = resp.getWriter();
         //resp.setContentType("text/html;charset=UTF-8")
	  out.println("<HTML>");
	  out.println("The input is " + test1);
	  out.println("</HTML>");

输入"中文"并提交表单，得到的结果为：


图13. 错误显示输入结果的页面
图13. 错误显示输入结果的页面

页面不能正确显示 UTF-8 编码的字符。

在被触发的 Servlet 中通过设置 resp.setContentType("text/html;charset=UTF-8") 来向浏览器指明输出的编码字符集为 UTF-8，浏览器会用正确的字符集来显示输出。如果 Servlet 中没有显示的调用 resp.setContentType("text/html;charset=UTF-8") 来设定输出字符集，浏览器将不能正确的解码和显示输出。





回页首


结论

本文给出了一些在 Web 应用开发中如何显示和输入 UTF-8 编码字符的方法。便于读者在开发实践中参考。





回页首


参考资料

fweione
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
服务器虚拟机uefi,关于VMware虚拟机启动EFI/UEFI支持
weixin_36274355的博客
08-10 1632
Linux 下 查看以及修改文件权限查看权限 在终端输入: ls-lxxx.xxx(xxx.xxx是文件名) 那么就会出现相类似的信息,主要都是这些: -rw-rw-r-- 其中:最前面那个-代表的是类型 中间那三个rw- ...Android开发学习——搭建开发环境在学校开课学习了android的一些简单的UI组件,布局,四大组件学习了2个,数据存储及网络通信,都是一些简单的概念,...
UTF-8字符处理在Web开发中的应用
07-01
UTF-8字符处理在Web开发中的应用
C# WPF(.NET Framework)窗口在加载HTML时指定UTF-8
Grey_Wind的博客
08-19 135
类的另一个重载方法，并显式指定编码类型。的另一个构造函数来指定编码类型为 UTF-8。在加载 HTML 文件时指定编码为 UTF-8可以使用。方法读取整个文件内容，并使用。方法将 HTML 内容加载到。替换为实际的文件夹和文件名。
wpf HttpClient请求头text/xml与charset=utf-8
wangwengrui40的博客
04-24 1752
具体来说，在使用HttpClient发送POST请求时，可以先创建一个HttpRequestMessage对象，然后设置该对象的Content属性为HttpContent类型的实例，该实例可以通过XmlSerializer将要发送的数据序列化成XML格式的字符串，并用StringContent包装成HttpContent类型的实例。在WPF中使用HttpClient发送HTTP请求时，可以设置请求头以指定请求的Content-Type为"text/xml"，表示请求体的内容是XML格式的数据。
(转)HttpWebRequest以UTF-8编码写入内容时发生“Bytes to be written to the stream exceed the Content-Length bytes s...
weixin_34149796的博客
08-27 180
from:http://www.cnblogs.com/Gildor/archive/2010/12/13/1904060.html   HttpWebRequest以UTF-8编码写入内容时发生“Bytes to be written to the stream exceed the Content-Length bytes size specified.”错误 出错代码如下： ...
TechMVC 3.2.1:基于MVC2HTML 5启用的Web应用程序框架-开源
04-26
TechMVC是一个非常强大且经过高度优化的基于MVC2的Web应用程序框架，使开发人员能够构建高性能网站。 当前版本：3.1.1升级的功能：================ 1.启用了元字符集支持。 可以从Config.php（$ var-> ...
新版Android开发教程.rar
12-14
的 Android SDK 提供了在 Android 平台上使用 JaVa 语言进行 Android 应用开发必须的工具和 API 接口。 特性 • 应用程序框架 支持组件的重用与替换 • Dalvik Dalvik Dalvik Dalvik 虚拟机 专为移动设备优化 • ...
《Python快速编程入门》-课后题答案.pdf
06-13
在python3.x版本的源代码中，默认使用的是UTF-8编码，从而可以很好的支持中文字符。 （3）在python2.x中，使用运算符/进行除法运算，整数相除的结果是一个整数，浮点数除法会保留小数点的部分得到一个浮点数的结 果...
SmartWx微信公众号管理系统-其他
06-13
4、设置项目编码为utf-8，选择jdk1.7版本或以上，不要选择jre。 5、修改数据库连接。打开/src/main/resources/property/jdbc.properties文件，根据实际情况修改jdbc.url、jdbc.username、jdbc.password的值 6、上传...
异或计算器及字符串之间的转换
09-16
根据界面上的提示，选择相应的功能。系统会根据输入字符的形式先判断合法性。然后将字符显示在计算结果中。
引入思考的电影电视动漫
我的E家
08-21 2万+
2019年 电视剧 逆水寒 徐悲鸿 将婚姻进行到底 软弱 好运来临 秋香 中国往事 你不是我兄弟 爱要有你才完美 选妃记 下班抓紧谈恋爱 电影 钢琴师 钱学森 非常夏日 做次有钱人 恋爱中的城市 两个女人 我身体里的那个家伙 再无可失/王牌任务 记录片 凤味人间 ...
教你20句闪亮的个性电影台词
dawn023的专栏
02-22 2249
20句闪亮的个性电影台词，你能说出它们分别来自哪部电影吗？　　1.You know some birds are not meant to be caged, their feathers are just too bright.　　你知道，有些鸟儿是注定不会被关在牢笼里的，它们的每一片羽毛都闪耀着自由的光辉。　　2.There is something inside ,that th
IPX 、 IPEX 、 UFL连接器
热门推荐
chencdeng的博客
08-22 3万+
I-PEX原先是个做连接器的公司，后被第一精工合并。 IPX 、IPEX 、 UFL、HSC应该都是同一种连接器，一般叫为IPEX或IPX，不过不同的厂商有自己系列和名称，如第一精工DAI-ICHI SHIKO叫为IPEX，广濑机电HIROSE的UFL和WFL，村田MURATA则有HSC。不过很多生产厂商没有自己的命名，会把产品直接标称为IPEX或UFL连接器。 主要应用于微型
痞子衡嵌入式：超级下载算法(RT-UFL)开发笔记（2） - 识别当前i.MXRT型号
痞子衡嵌入式
11-13 391
　　大家好，我是痞子衡，是正经搞技术的痞子。今天痞子衡给大家介绍的是超级下载算法开发笔记(2)之识别当前i.MXRT型号。 　　文接上篇 《超级下载算法(RT-UFL)开发笔记(1) - 执行在不同CM内核下》，我们已经解决了超级下载算法能够在i.MXRT全系列下执行的问题，现在我们往前继续推进项目。因为这个超级下载算法将来要跑在很多个芯片型号上，有时候因为型号间差异，我们不得不针对性...
JavaWeb环境搭建之设置 utf-8 编码
weixin_62332711的博客
04-07 3551
设置 utf-8 编码步骤如下： 1. Window - Preferences 2. Web - JSP Files 3. Encoding 选择 ISO 10646/Unicode(UTF-8) 4.选择 Apply and Close 完成即可 完。
UTF-8字符处理在 Web 开发中的应用
javatwt的专栏
03-02 796
Web 应用要适应多语言的需求。不同国家的用户应该可以输入本国语言的字符， 同时 Web 应用又应该可以根据不同的区域设置来用多国语言显示页面。当前，不同的语言有不同的编码方式来显示对应的语言信息，例如中文可以用 GB2312 编码来显示,日文可以用 Shift-JIS 编码来显示。但 UTF-8 编码方式几乎可以包括了所有的语言字符。用 UTF-8 编码来处理 Web 应用信息的输入和显示可以使
[转]Web 开发中遇到的UTF-8的问题总结
编程夜未眠
05-09 6372
最近遇到了不少 UTF-8的问题，遇到有人总结了一下，总结的不错，直接转过来了。 原文出处:http://www.flashcat.com.cn/blog/read.php?20 一个网站如果需要国际化，就需要将编码从GB2312转成UTF-8，其中有很多的问题需要注意，如果没有转换彻底，将会有很多的编码问题出现！主要有五个方面：一..HTML页面转UTF-8编码问题二.PHP页面
ajax utf-8
最新发布
09-16
### 回答1： 当使用 AJAX 发送数据时，我们通常需要确保数据的编码格式为 UTF-8，以避免中文等非 ASCII 字符出现乱码的情况。以下是使用 AJAX 发送 UTF-8 编码的示例： ``` var xhr = new XMLHttpRequest(); xhr.open('POST', '/api/submit', true); xhr.setRequestHeader('Content-Type', 'application/x-www-form-urlencoded; charset=UTF-8'); xhr.onreadystatechange = function() { if (xhr.readyState === 4 && xhr.status === 200) { console.log(xhr.responseText); } }; var data = 'name=' + encodeURIComponent('张三') + '&age=18'; xhr.send(data); ``` 在上面的示例中，我们先通过 `xhr.setRequestHeader()` 方法设置请求头中 `Content-Type` 属性为 `application/x-www-form-urlencoded; charset=UTF-8`，以指定发送的数据编码格式为 UTF-8。 然后，我们使用 `encodeURIComponent()` 方法对数据进行编码，以确保非 ASCII 字符正确传输。最后，使用 `xhr.send()` 方法发送数据。 在服务端接收到数据后，也需要确保数据的编码格式为 UTF-8，以正确解析含有非 ASCII 字符的数据。 ### 回答2： Ajax（Asynchronous Javascript and XML）是一种在网页中使用的异步的Web开发技术，它通过JavaScript和XML（现在也可以是JSON等数据格式）实现数据的异步加载和交互，从而提升用户体验。 UTF-8（Unicode Transformation Format 8-bit）是一种能够对全世界所有字符进行编码的一种字符编码，它可以用来表示Unicode字符集中的所有字符。UTF-8是一种变长的编码方式，它通过使用1到4个字节来表示不同的字符，这样可以减少存储和传输的空间。 在Ajax中使用UTF-8编码有以下几个方面的作用和好处： 1. 多语言支持：UTF-8编码可以支持全球范围内的多种语言，包括中文、英文、法文、德文等等。使用UTF-8编码可以确保在Ajax请求中传输的数据能够正确地表示和处理各种语言的字符。 2. 数据的正确性：UTF-8编码可以将特殊字符和非ASCII字符正确地表示和传输，这对于包含特殊字符或表情符号等的数据处理非常重要。使用UTF-8编码可以避免因特殊字符导致的数据传输错误或乱码问题。 3. 网络传输效率：由于UTF-8是一种变长编码方式，相对于固定长度的编码方式（如UTF-16）来说，它可以节省传输数据的空间。这对于Ajax请求来说尤为重要，因为Ajax请求需要通过网络传输数据，使用UTF-8编码可以减少数据传输量，提升网络传输效率。 总之，Ajax和UTF-8是互相独立的技术，但它们可以结合使用，提升Web应用的用户体验和数据处理能力。通过在Ajax请求中使用UTF-8编码，我们可以确保正确地处理各种语言的字符，避免数据传输错误和乱码问题，同时提高网络传输效率。 ### 回答3： Ajax是一种网页开发技术，用于实现异步的数据交互。而UTF-8是一种字符编码标准，用于表示各种语言的字符。在Ajax中，可以使用UTF-8编码来处理数据的传输和显示。 首先，Ajax可以通过XMLHttpRequest对象发送请求并接收响应数据。当发送请求时，可以通过设置XMLHttpRequest对象的属性来指定使用UTF-8编码。例如，可以使用`xhr.setRequestHeader("Content-Type", "application/x-www-form-urlencoded;charset=UTF-8");`来设置请求头中的字符编码。 在接收响应数据时，可以通过XMLHttpRequest对象的属性来获取服务器返回的数据。如果服务器使用UTF-8编码返回数据，可以直接使用`xhr.responseText`来获取响应内容。 在将数据显示到网页上时，也需要确保网页使用UTF-8编码。可以通过在网页的头部添加`<meta charset="UTF-8">`来指定网页的字符编码。 使用Ajax与UTF-8编码可以更好地处理各种语言的字符。UTF-8编码可以表示世界上所有的字符，包括汉字、日语、韩语等各种字符。而Ajax可以通过异步请求将数据与服务器进行交互，实现更加流畅和高效的用户体验。通过使用Ajax和UTF-8编码，可以轻松地处理多语言环境下的数据交互和显示。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值